自動化的主要目標是解放人們以提高生產力。這意味著可以使用機器人系統代替一個人做枯燥或重復的任務。這使人們能夠通過專注于需要更多思考、創造力和解決問題的任務來完成更多工作——這些任務最終會產生更多價值。當機器人系統能夠以一定程度的自主權完成其任務時，例如，從隨機放置的零件箱中挑選零件而不是需要整齊的零件堆，人們就更加解放了。然而，機器人仍然不能把一切都做好。例如，讓機器人看到并與其環境交互的最佳視覺算法仍然不是 100% 準確。

這些用于重現任務的算法，無論是檢測物體還是學習握住金屬部件，都是通過一遍又一遍地重復相同的動作來學習的。他們做的動作越多，他們得到的結果越好。但是，這只適用于任務永不改變、零件不變或零件以相同的位置和方向呈現的情況。當任務的任何一個方面發生變化時，算法可能無法應對環境的變化。

指導機器人：

為了提高這種性能并處理這些新情況，許多算法采用了一種稱為監督學習的策略。由于這些機器人中的許多都部署在曾經執行機器人任務的人仍然在附近的環境中，因此監督學習背后的想法是，如果機器人遇到由于環境中的某些條件而不知道如何執行的情況 它以前從未見過——一個它從未見過的部件、兩個部件粘在一起、機器卡住等——一個人可以提供機器人需要的缺失信息。該信息可能采用新標簽的形式（是的，它仍然是一瓶肥皂，即使它顛倒了）或新演示（您需要在此處獲取這個新部件）。用戶示教，提供附加信息，機器人重新開始工作。

人向機器人提供的這種糾正性幫助在人們相互轉移技能方面也很常見。在許多不同的行業中，這種類型的指導已經發生了數千年，并且仍然是新員工接受教育的常見方式（與課堂環境相反，或除了課堂環境之外）。甚至有些公司正在使用人工智能來更好地捕捉這種指導。

那么人們有時間做這個機器人導師嗎？好吧，通過自動化將人們從重復性任務中解放出來，我們無意中創造了一個知識淵博的工人資源，他們已經與機器人系統一起提供指導以提高績效。想象一下，以前所有時間都在一臺機器上工作的工人，現在管理一組機器人，偶爾通過提供來自他們自己的專業知識的額外信息來調整每個機器人的性能。他們更有權力，因為他們的生產力更高，他們從自己執行不受歡迎的任務中解脫出來，并且他們仍在利用他們豐富的知識通過指導不斷改進機器人系統。

可用性是關鍵

設計一個可由工人通過監督學習有效訓練的機器人系統的一個關鍵要素是確保工人用來提供額外信息的界面易于使用。如果執行監督學習的人是機器操作員（很常見）而不是機器人工程師（非常罕見），則尤其如此。如果我們想利用人們熟悉（并擅長）指導這一事實并將其應用于改進自動化系統，那么用于向機器人提供該信息的界面需要與他們培訓其他人的方式相似。例如，通常情況下，工人展示動作以教授技能。你需要像這樣拿著工具，然后按這里。隨著“協作機器人”的出現，人們現在可以通過移動機器人的手臂來直接演示動作。此外，我們開始看到可以觀察人的動作的視覺系統，例如用噴漆器繪畫，并使用該演示來定義機器人的動作。這很有效，因為它與人們相互展示動作的方式非常相似。以這種方式教授機器人是很自然的，即使是那些沒有豐富機器人技術經驗的人也可以訓練機器人。這是實現更快速采用自動化的關鍵。

從學習的角度來看，工人可能需要（至少一次）展示一項任務是如何完成的，以便機器人可以從中學習。工作人員定義了一組完成任務的步驟，并在某些邏輯流中表示這些步驟。工作人員通常使用流程圖來教導其他工作人員或與其他工作人員交流流程如何逐步進行。現在有 No Code 軟件可以為機器人編程提供相同的流程圖界面。這意味著，工作人員無需學習編碼，而是可以根據他們已經熟悉的內容學習對話界面，而且工作量要少得多。

具有顯著降低學習曲線的 No Code 軟件也使學習機器人變得更加容易。機器人技術的教育障礙非常高，其中很大一部分源于學習使用機器人的本地編程語言進行編程所需的時間。相反，當快速學習編程時，這些寶貴的技能提升時間可以用于更多地了解機器人執行任務的最佳方式。機器人如何最好地固定零件？機器人如何處理可變性？機器人如何最有可能在任務中失敗？工人進入機器人“頭部”的次數越多，他們就越能幫助引導機器人取得成功。

適應新形勢

機器人學習能力的一個關鍵部分是何時可以在新情況下使用該知識。

現在，當我們談論機器人的學習能力時，我們實際上是在談論軟件或算法的學習能力。這意味著，要使這種類型的學習真正有用，一旦學會了一項技能，無論使用何種機器人或硬件來完成任務，它都應該有效。這是一個簡單的想法，但在實踐中很少像這樣工作。

例如，假設一個算法學會了從帶有真空抓手的小型工業機器人的垃圾箱中拾取圓柱體。它知道零件的外觀，以及真空杯的放置位置，以便牢固地固定零件。現在，用戶想要使用帶有兩指抓手的更大機器人。該算法仍然知道如何操縱圓柱體，但它需要關于這個更大的手臂的新信息，以及兩指抓手的最佳抓握位置。這種學習技能基礎知識的過程，與特定硬件無關，稱為抽象，人們一直在這樣做。將五把不同的錘子交給熟練的木匠，他們仍然可以釘釘子，因為他們知道超出工具限制的任務。

所以現在想象一個機器操作員負責多個這樣的機器人。他們必須提供這些附加信息，以便機器人在這些新情況下抓取零件。但是，該操作員必須處理許多此類機器和情況，可能涉及不同品牌的機器人。該用戶必須具有一致的界面來提供這些額外信息，這意味著機器人必須運行相同的疊加軟件。這個通用的軟件層也有利于算法，因為算法現在是機器人的標準化接口，以及機器人的表示，它的大小和配置是不可知的。畢竟，機器人仍然可以移動和抓取，只是碰巧更大并且有一只不同的手。

最近的技術進步允許學習算法（例如所描述的算法）適用于任何品牌的機器人，因為它們運行在一個通用的底層軟件平臺上。想想適用于 PC 的 Windows——一種算法可以在多臺不同的計算機上運行，并且所有底層軟件都可以正常工作。在這種情況下，這個通用平臺讓每個機器人在算法眼中看起來都一樣，使得機器人之間的技能轉換變得更加容易。

結論

能夠自己解決問題的機器人還有很多東西要向我們學習，而監督式學習是傳授這些知識的一種方式。然而，為了真正實現監督學習，系統需要可供提供額外知識的人使用。用戶界面需要類似于人們已經相互教學的方式，并且易于使用，以便向機器人展示繩索就像向另一個人展示一樣自然。這就需要配套通用的操作系統。

此外，機器人硬件的通用軟件平臺可以使監督學習更快地抽象到新情況，因為機器人和工具在算法中看起來是相同的，即使它們可能具有不同的大小和配置。將所有這些放在一起，通過正確的監督學習架構（對話式、直觀的機器人編程界面、跨機器人模型和品牌的通用界面，以及針對監督學習輸入和教學進行優化的軟件），機器人不僅變得更有效，而且能夠處理非常難以編程的任務，并且使用機器人的機器操作員得到充分利用——實現了以前不可能達到的生產力水平。

天智航15年來專注于骨科領域，始終以持之以恒的原研精神，將創新意識融入設計、研發到制造的每一環節，致力于為精準智能骨科醫學的發展提供更多可能。

天智航作為中國醫療機器人開拓者，獲得100余項專利、20余項國家級和省部級科研重點項目、是醫療機器人國家地方聯合工程研究中心依托單位，擁有博士后科研工作站, 屬于國家機器人標準化總體組成員單位、同時是中國生物醫學工程學會醫用機器人分會副主任委員單位、北京智能機器人產業聯盟副理事長單位以及中關村醫療器械產業聯盟理事長單位。